零基础从头开始部署yolov8

一、下载需要用到的软件（不用特地以管理员身份运行安装包）

1.Anaconda

1.到anaconda官网下载安装对应程序。（个人用户安装建议选择Just me）

2.配置环境变量。

以win11为例，位置：设置-系统-系统信息-高级系统设置-高级-环境变量

在其中添加如下图三行路径，根据自己的电脑进行修改，即可。

2.PyCharm/VSCode

安装一款用的习惯的IDE

二、搭建环境

1.创建一个虚拟环境

1.以管理员身份运行Anaconda Prompt

2.输入以下代码以测试，出现（base）就是Anaconda配置完毕

conda activate base

 输入以下代码

conda create -n yolo python==3.11.0

意思为创建一个名为yolo的虚拟环境，python版本为3.11.0。

后面问是否要按照什么巴拉巴拉的，输入y并回车，等待安装完成。

输入以下代码激活名为yolo的环境

conda activate yolo

出现（yolo）证明激活成功

意思为创建一个名为yolo的虚拟环境，python版本为3.11.0。2.输入以下代码以测试，出现（base）就是Anaconda配置完毕。后面问是否要按照什么巴拉巴拉的，输入y并回车，等待安装完成。1.以管理员身份运行Anaconda Prompt。输入以下代码激活名为yolo的环境。出现（yolo）证明激活成功。

2.下载CUDA和CUDNN

        为什么第二步就下载cuda和cudnn，因为我是准备用GPU推理，这里说下我的GPU是4060的移动端。

        根据我查到的资料说是在英伟达控制面板找那个自己显卡对应的cuda版本，但我下载了12.3用不了，所以我后面下载使用的是12.2版本。

 

如果之前下载过Nvidia GeForce Experience，安装cuda时，可以不点精简安装，点那个自定义安装，然后仅勾选安装cuda就行了。

3.安装PyTorch

        我这里用的GPU推理，并且用AnacondaPrompt下载Pytorch,所以就选择的如下版本。

         如果要在PyCharm（或其他IDE）中下载，管理员运行PyCharm（或其他IDE），并将Package改为Pip。

        如果要用CPU进行推理的话，请将Compute Platform改为CPU。

三、下载并配置测试yolov8

1.下载：到github下载ultralytics-main（yolov8）源码

        （略）

2.配置 ultralytics

        1.把requirements.txt拖到最上面的目录。

        2.在终端中输入如下代码。（下载所有需要的库文件）

pip install -r requirements.txt

         上面这行代码在requirements.txt里面就有，懒得扣的打开了去复制，就在前几行里面。

        3.阅读README.zh-CN.md

        里面主要是下面这两行有用。

        首先运行第一行，安装必备文件。下面那行是进行目标检测，第一个等于号后面放已有的.pt文件，第二个等号后面放想要检测的图片的路径。如果全部都配置好了的话，第一次运行会自动进行下载。

3.运行测试代码

        1.在终端中激活之前创建的虚拟环境（yolo）

        2.运行上图第二行代码，后面会自动下载yolov8n.pt，然后开始进行检测。源码中其实已经给好了用来做测试的图片，位置如下。

       右键bus.jpg点击复制路径，复制绝对路径，黏贴到测试代码第二个等号前就好了，后面的单引号有没有都不影响。（记得先删掉第二个等号后面的那个没用的路径，哈哈哈！）

        下面为检测结果。

4.总结

        到目前为止，yolov8就算是部署成功了，可以进行进一步的训练了。